电商物流模型：结果分析

我们来看一个需要优化的电商业务。其主要流程组包括：

"请求管理",
"打包",
"发货与送达客户"。

每个流程组都包含许多子流程和任务。当前，您将专注于在较高层级建立模型；随着获取更多信息，模型可以（也应该）继续细化。

前期调研发现，这些流程分别需要 2、1、5 天完成，对应的标准差分别为 0.2、0.2、1 天。

您已经构建好了 SimPy 模型和生成器。模型中的时间以天为单位记录。以下包已为您导入：import matplotlib.pyplot as plt。

现在请运行模型，并使用聚类分析来分析结果。

本练习是课程的一部分

Python 中的离散事件模拟

查看课程

练习说明

在名为 env 的 SimPy 环境中运行该 SimPy 模型 5 年（假设没有闰年）。
使用 50 个箱，将存储在 record_processes_list 中的模型结果绘制为直方图。

交互式实操练习

通过完成这段示例代码来试试这个练习。

env = simpy.Environment()
env.process(all_processes(env, inputs, record_processes))

# Run the SimPy model
env.____(until=___)

record_processes_list = [record_processes['Time Manage Request'],
            			 record_processes['Time Packaging'],
            			 record_processes['Time Shipping']]

# Create a histogram with 50 bins
plt.____(record_processes_list, bins=____, label=['Request', 'Packaging', 'Shipments'])
plt.legend(loc='upper right')
plt.xlabel('Duration (days)')
plt.ylabel('Number of occurrences')
plt.show()

编辑并运行代码